1.Faster R-CNN
1.1 流程
Faster R-CNN网络结构：
（这个是引用的原图，其实并没看明白，我翻了书查人网上解说，归结了以下）
1.2 RPN（Region Proposal Network）
锚点(anchor)，是一个固定的矩形框，它的形状和大小可以预设为k个，一般k取9，比例可以如下图示：
RPN起始的3×3卷积层可以看作是一个滑动窗口，它在特征图上每个点上滑行，anchor以这个点为核心展开上面9个尺寸。
而后的1×1卷积层是把多个通道联合起来，
一个出参18个（9*2，2表示分类结果数，分别是非背景得分和背景得分）；##？这里有点奇怪，0和1表示结果，那占1个位就可以了
另一个出参36个（9*4，４表示位置，坐标和宽高）。
RPN接入到Fast-RCNN，其入参的建议框有处理：
先用anchor得到4个位置参数，剔除明显超出边界的建议框；##这一点我不明白，为什么不先筛选类别再求位置
取前景softmax得分最高的6000个，再用非极大值抑制筛选一批建议框，最后将不超过300个proposal层输出的建议框到ROI Pooling层。（详细参照proposal_layer.py代码）
RPN是一个多任务损失函数，它的总损失定义：
p是前景背景的分类层，t是边界框回归层，i是mini-batch中的一个anchor索引，pi是预测为目标的概率，p*i是标签。
……（详解略，此处针对流程）
1.3 如何训练
如何让RPN和Fast R-CNN融合成一个统一的网络，这需要二者共享卷积层，一个实现的思路是：交替训练，以优化最终的Faster R-CNN。
(1) 单独训练RPN
RPN是通过反向传播和随机梯度下降的方式进行端到端的训练。
首先网络入参，取预训练（例如VGG16）模型载入，且叫它R1；作为监督型网络，它的标签需要我们自己处理出样本。
（训练中，每个mini-batch要有由R1中随机出来的256个anchor，正负样本各一半（正样本少一些也可），其中正样本IoU>0.7，负样本0 < IoU < 0.3）
(2) 单独训练Fast R-CNN
将(1)训练出来的RPN作为此网络的入参。
(3) 联合上述网络后训练RPN
(1)(2)网络接入，并且将(2)Fast R-CNN的学习率设置为0，以此固定(2)，仅更新(1)。
(4) 微调Fast R-CNN网络
固定(1)参数，调整(2)的部分。
这个实验我没做过，书上是说实验证明，上述训练过程多次迭代并没有明显效果。
===========================================
资料：
https://zhuanlan.zhihu.com/p/31426458
杜鹏、谌(chen2)明、苏统华 编著《深度学习与目标检测》
2. R-FCN（基于区域的全卷积网络）
Faster R-CNN中需要对RPN给出的RoI计算，而RPN本身也要计算出RoI，这当中就有重复计算，R-FCN主要针对这一点，提出位置敏感分数图，以解决图像分类中的平移不变性（translation invariance）与目标检测中的平移可变性（translation variance）之间的矛盾。
平移指目标所在图像位置变化，目标位置变了，但目标分类不变，此为平移不变性，但位置出参会变化，此为平移可变性。
需要注意的是，引入的预训练模型，像是AlexNet、VGGNet都是分类模型，会存在平移不变性的问题，那对于识别目标位置并不友好，所以才有了Fast/Faster R-CNN这样中间插入一段RoI网络的设计，加深了RoI子网络提高了精度同时也牺牲了计算速度。
R-FCN使用了一组专门的卷积层来构建一组位置敏感的分数图，以替代在Faster R-CNN中RPN的后接部分。
它沿用RPN提取建议框RoI，然后利用分类的平移不变性，在最后的卷积层后，把卷积层平均切分成k*k块，给这k*k块作C+1种分类打分，C是分类数量，1是背景。所以RPN出的聚合RoI（position-sensitive RoI-pool）大小为k*k*(C+1)和4*k*k（？这点持怀疑）。聚合RoI上的投票时求平均值的过程，对C+1个k*k区域求平均值（代码实现为一个平均池化层），得到C+1维向量，再用softmax函数出最终类别。
===========================================
资料：
杜鹏、谌(chen2)明、苏统华 编著《深度学习与目标检测》